人工智慧能做什麼？它對商業產生深遠的影響，目前最大的進展在兩大領域：感知（perception）與認知（cognition）。
在感知方面，AI最實用的進展在語音、圖像相關有很大突破，像是數百萬人使用的蘋果的Siri、Alexa和Google Assistant。或是我們最常使用的FB和部分App，可以進一步辨識出你發布照片中朋友的臉孔，並跳出提醒，讓你標記他們的名字。圖像辨識甚至取代企業總部中的身分識別證。
另一個貼近生活的例子，像是你出去玩時，隨時可以開啟智慧手機的App，能快速認出野外的動植物。 又或是我們外出上高速公路ETC收費、出入停車場的車牌感應，透過部分特徵擷取、像素運算來進行各種影像識別。
在認知和問題解決方面也有重大突破，機器在撲克牌和圍棋方面，擊敗最優秀的人類高手。
Google的DeepMind團隊使用機器學習系統，改善數據中心的冷卻效率達15％以上；網絡安全公司Deep Instinct也使用智能代理，偵測惡意軟體；PayPal也用智能代理防範洗錢。
許多公司甚至使用機器學習，決定要在華爾街執行哪些交易，而且在它的協助之下，做成更多信用決策。Amazon也使用機器學習，來優化存貨，且改善對顧客的產品建議。數據科學平台公司Lumidatum的一套系統，即時提供建議，來改善顧客支持。
很多事情雖然沒有達到人工智慧的機能，但它可以有「深度學習」作為基礎，以下分享10個人工智慧做得到，但你想不到的例子。
1、人工智慧其實有藝術設計天份
我們曾以為人工智慧是很理性的東西，但它其實具有藝術設計天份。
美是可以用數學的方式被定義，機器在這個過程是學會圖像的低階特徵，包含筆觸；高階特徵有光影、結構，把這樣的特徵抽取出來，再放回到照片當中，你能透過把各式特徵，以機器抽取再放回，就能變成漂亮的視覺藝術。
機器有創作能力，但沒有創作動機，其實很多東西，他是透過隨機概念來產生，在這個過程中，也帶來新的可能性。人跟機器協作的成果，人跟機器協作，機器上百份產生的一個設計稿，人就是從這之中挑出好看的，機器可以把美給抽取出來，融入到照片當中，但機器不知道美醜，因為醜也是一種風格。
在未來的工作模式會發生改變，原本畫圖的工作會受到限制，因為機器可以用更快速高效的方式來生產，但具有美感的人，他不會在未來失去工作。
2、人工智慧能幫你無窮放大你的模糊照片
一般認為照片只要放大就會模糊，會有很多鋸齒狀，但未來會被打破這樣的常識。
若照片不清楚，人工智慧幫你無窮放大就好，以Adobe Camera Raw團隊開發的超級解析度(Super Resolution)功能，任何照片放大會模糊，先拿一張原本高解析度的圖片，把另外高解析圖片縮小再放大，就會變成模糊照片，先讓機器學習這兩者之間的關係。只要告訴機器：「未來你看到這個模糊照片，以後要把他補為清楚樣子」，機器能學習彼此關聯。
人類的認知中有很重要的能力，就是我們能從殘缺的數據中，得到完整的判斷，這是人的特性。機器也可以，雖然像素模糊，但可以透過周遭構圖、顏色的線索，我們可以讓機器還原本來的細節。
它可以帶來很大的產業變化，不需要再追求手機硬體配置，可以用普通配置的照相機，把圖片無窮放大成為高解析度的效果，將造成硬體很大的革命。
3、人工智慧可以把黑白影片的世界變為彩色
過去的老電影、老影片都是黑白片，沒有色彩信息，我們可以看到人工還原版，都是用人工一幀一幀的把它變為彩色。
但現在，我們可以透過電影色彩與黑白影片結合，將色彩丟到模型中，機器可以用所學的視覺效果，自動幫我們完成上色動作。
未來在電影工業上，人工智慧看起來可以幫我們很大的忙，在影片修復的公司裡，不需要再用人工老師傅一格格畫出數位還原版。
4、馬賽克其實也可以還原
馬賽克是嚴重的信息缺失，因為他把整個臉都擋住，但能用馬賽克的臉告訴機器，你必須要還原成完整的臉。
被馬賽克掉的臉，機器無法還原，不過機器可以按照五官其他部分去「推測最有可能」的長相是什麼，為了讓臉的正面側面角度，以及人的種族，加入臉的五官的預測。機器要先預測可能的五官，必須根據已經遮掉的五官，去推測可能的長相，最後推測需要被修復的區域。
不過，遮掉馬賽克不可能百分百還原，有可能補回來的臉不是原本的人。若你用它來去修復特殊影片，他不見得是原本的臉。
5、人工智慧可以看穿素顏
許多神奇的美妝Youtuber，都有化妝前後的差距，我們可以做一個模型，把美妝模組的影片抓下來，原本素顏的臉擷取出來、畫完全妝的臉，讓機器去學兩者關係。透過這樣的模型，機器知道給他化妝的臉，他就會自動把他還原成素顏。
但需要更大的樣本數量，才可以訓練更精確，透過模型，臉上的妝少掉一大半，這個可以把很多殘缺的數據當中，還原回原狀。人跟機器共有的感知能力，他可以應用在很多原本想不到之處。如：交友軟體，放上這樣的功能，會成為有趣的模式。
6、輕輕鬆鬆換臉或換聲音
在深度學習中，換臉、換聲音都是輕而易舉，如：館長跟女網紅的臉互換
裡面最大的困難技術點，過去大多數影像轉換必須要有成對數據，但問題是得不到館長跟女網紅他們一模一樣的動作成對數據，這個則利用CycleGan的技術，既然得不到成對數據就做兩個模型，一個是把館長變女人、另一個把女人變館長。
雖然得不到成對數據，但可以把館長照片轉為女人再轉為館長，前後兩個館長一樣，就解決沒有成對數據的問題，訓練完成後，同時得到了館長變女人、女人變館長的兩個模型。不只是影像，包含聲音 Deepmind的WaveNet，都可以連你講話、呼吸的換氣聲都可以模仿。
兩個技術結合，未來看到的不一定為真，聽到的也不一定為真，真假難辨，會是未來明確的趨勢。
7、普通相機也能夠判斷景深
我們都有一個常識是說，一般相機拍就是一個RGB的照片，RGB照片是沒有景深的概念，所以你可能會需要透過雙目視覺的相機，或有紅外光的相機，才能知道深度。
我們可以把這樣的關聯讓機器去學，拍攝很多的RGB跟D景深這樣的對應關係，然後我們就教機器，「當你看到這樣的畫面，就要去補這樣的景深。」利用這樣的畫面結果，再利用學習算法，把畫面中的景深轉移成為一個點3D的點雲，機器就可以立刻轉為3D的模型。
過去一個3D建模要消耗的成本非常昂貴，未來的世界裡面，透過機器學習，可以用一個一般的普通相機，到可以一步到位去完成3D立體模型。未來可以用更低的成本，去拍攝自己的3D影片，或製作更多的AR/VR素材。
8、人在做，洋芋片在聽
以往我們在屋內講話，屋外的人有辦法竊聽嗎？一般常識告訴我們說，若我們沒裝竊聽器，在屋子外的人怎會知道？
微軟跟MIT卻說做得到，他們透過一台高速攝影機，是一個超高幀率的攝影機，基本上就是每秒幾千幀的一個頻率，去拍攝你屋內的一些物體，在裡面測試一下，包含你們盆景、盆栽、洋芋片、水杯都可以，只不過洋芋片效果是最好的。
根據洋芋片在高速攝影機他的震動，我們可以把抽取出這個震動波紋，因為高幀的攝影機，可以知道它的震動情況，把這樣的頻率，透過深度學習模型，可以還原出你們對話內容。凡走過必留下痕跡，你周遭的洋芋片、周遭的小物體，都會根據你的話而產生對應的運動。
在過去人類沒有這樣的數學能力，可以把這麼細微的東西給抽取出來，現在有了人工智慧、深度學習，可以把這些大家想不到的東西能還原回來，未來對資安這件事好像真的是一個嚴重的考驗，也會影響未來對安全的定義。
9、你在牆壁後的行動，人工智慧都看得到
當你把窗戶都封起來，當你走到牆後，機器仍可以知道你在牆後的行為。
MIT的技術，透過WiFi訊號，由於人體百分之七十是水，可以根據屋內的WiFi訊號被吸收的情況來推動我們人的行為。
未來的世界好像什麼東西都藏不住，連WiFi訊號都可以知道一舉一動。
10、股市的漲停，人工智慧可能看得比你更清楚
過去大家都透過數學統計模型、量化交易來去做股市預測，通常效果不好。
舉例來說，台灣漲跌幅就是10%，也就是說你什麼都不做，準確率也有百分之90%，在這裡面你做出很多模型，其實都沒辦法，幫你預測未來的漲停，所以最後還是50:50，沒有任何實質幫助。
深度學習可以幫我們抽絲剝繭，找到更細節的東西。跟廠商合作的結果，傳統都是用數字去判斷漲跌，而人工的trader，他們每天盯著圖、手不停下單，所以我們能發現整個交易機制，是視覺加上行動的過程。
能不能將機器學會看K線圖？讓它自己去找到圖裡面的特徵。不是用一般的序列數據的方式來預測股價，我們去讓機器來理解K線圖，機器可以生成未來十天的K線圖。這樣的預測其實跟傳統的數值上的預測不一樣，一般的序列數據，只要錯一個後面就一路錯，但它是一個時間序列，在我們的模型中，卻是一次生成未來十天的K線圖。K線圖是一個有邏輯的圖表，不但要正確地還原出未來的走勢，必須要符合K線圖的規範，雖然現在模型不太能到非常清晰，但看出未來時間會漲會停即可。
機器不可能幫你做決策
目前來說，雖然機器掌握未來十天，可以偷看未來十天K線圖，機器還不是可能幫你做縱橫股海的決策。股市投資絕不是一個，你知道會漲會跌就可解決的問題。它包含很多資金、部位、怎樣去做你的倉位，都是一些很縝密的人工，需要用人來去判斷一些策略。
我們能透過人與機器協作的方式，讓機器告訴你未來會發生什麼事，人來決定在這樣的情況下，怎麼組合可以達到最優的效果。
妥善運用機器，成為關鍵能力
我們不用害怕人工智慧會取代我們人類，但我們能透過人工智慧的應用，給機器數據來學習，它可以變成很好的工具。當人懂得學會如何讓機器來為你做事，讓它變成個人競爭力的致勝原因。
緯育TibaMe已經有10萬人次來學習AI/資料科學知識或技術，若你想進一步了解或學習 AI / 資料科學的相關知識或技能，歡迎來TibaMe 👉 https://www.tibame.com/eventpage/ai_datascientist
下篇會為大家介紹人工智慧做不到那些事
每週4則，每日5分鐘， 提拔我園丁陪你快速添補AI/資料科學知識與技能。
若您想了解更多AI/資料科學的小知識、及各產業的相關應用，歡迎訂閱TibaMe FB及部落格，或你有其他想了解的主題歡迎在下方留言讓我們知道唷！
參考資料
- TibaMe大師開講—AI人工智慧做不到及你想不到的10件事
- 每日頭條—人工智慧（AI）能做什麼，做不到什麼